menu
close

Japanisches Team entwickelt selbstversorgende KI-Synapse für Edge Computing

Forschende der Tokyo University of Science haben eine bahnbrechende, selbstversorgende künstliche Synapse entwickelt, die Farben mit nahezu menschlicher Präzision unterscheiden kann und dabei ihre eigene Energie erzeugt. Das Gerät, das Farbstoff-sensibilisierte Solarzellen integriert, adressiert zwei zentrale Herausforderungen der maschinellen Bildverarbeitung: hochpräzise Farberkennung und Energieeffizienz. Diese Innovation könnte das Edge Computing revolutionieren, indem sie visuelle Verarbeitung in ressourcenbeschränkten Geräten ohne externe Stromquellen ermöglicht.
Japanisches Team entwickelt selbstversorgende KI-Synapse für Edge Computing

Ein Forschungsteam unter der Leitung von Associate Professor Takashi Ikuno von der Tokyo University of Science hat eine revolutionäre, selbstversorgende künstliche Synapse entwickelt, die das menschliche Farbsehen nachahmt und dabei nur minimal Energie benötigt – mit dem Potenzial, Edge-AI-Anwendungen grundlegend zu verändern.

Das Gerät, das in einem am 12. Mai 2025 in Scientific Reports veröffentlichten Artikel beschrieben wird, integriert zwei verschiedene Farbstoff-sensibilisierte Solarzellen, die auf unterschiedliche Lichtwellenlängen reagieren. Im Gegensatz zu herkömmlichen Systemen, die externe Energie benötigen, erzeugt diese künstliche Synapse ihren Strom selbst durch die Umwandlung von Sonnenenergie und eignet sich damit ideal für Edge-Computing-Anwendungen, bei denen Energieeffizienz entscheidend ist.

Die Synapse kann Farben im sichtbaren Spektrum mit einer bemerkenswerten Auflösung von 10 Nanometern unterscheiden – und kommt damit nahezu an die Fähigkeiten des menschlichen Sehens heran. Sie erzeugt unter verschiedenfarbigem Licht entgegengesetzte Spannungspolaritäten – positiv bei blauem und negativ bei rotem Licht – und ermöglicht so komplexe logische Operationen ohne zusätzliche Schaltkreise.

„Die Ergebnisse zeigen ein großes Potenzial für den Einsatz dieses neuartigen optoelektronischen Bauteils in energiearmen KI-Systemen mit visueller Erkennung“, erklärt Professor Ikuno. Im Test innerhalb eines Reservoir-Computing-Frameworks erreichte das System eine Genauigkeit von 82 % bei der Klassifizierung von 18 verschiedenen Farb-Bewegungs-Kombinationen – und das mit nur einem einzigen Gerät, während herkömmliche Ansätze mehrere Photodioden benötigen.

Dieser Durchbruch adressiert eine zentrale Herausforderung beim Einsatz fortschrittlicher Bildverarbeitungssysteme in Edge-Geräten, wo Energie- und Rechenressourcen traditionell begrenzt sind. Die Technologie könnte effizientere visuelle Verarbeitung in Smartphones, Drohnen, tragbaren Gesundheitsgeräten und autonomen Fahrzeugen ermöglichen.

Die Forschenden sehen breite Anwendungsmöglichkeiten für ihre Innovation – etwa als energiearme optische Sensoren in eigenständigen Smartwatches und medizinischen Geräten, was die Kosten im Vergleich zu aktuellen Technologien deutlich senken könnte. Da maschinelles Sehen für moderne Technologien immer wichtiger wird, stellt diese selbstversorgende Synapse einen bedeutenden Schritt dar, um fortschrittliche Computer-Vision-Fähigkeiten mit minimalem Energiebedarf in Alltagsgeräte zu bringen.

Source:

Latest News